该博客介绍了如何在PyTorch中使用YOLOv4进行对象检测。首先，提供了YOLOv4的代码库链接和权重文件下载地址，包括谷歌云盘和GitHub。然后，详细说明了如何进行源码测试，包括在Windows和Ubuntu环境下运行图片检测，并提示了针对无GPU环境的调整。最后，讨论了如何准备数据集进行自定义训练。
1、文件下载
1.1 pytorch-yolov4代码
链接：https://github.com/Tianxiaomo/pytorch-YOLOv4
1.2 权重文件（weights）、模型下载
链接：谷歌云盘： https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
GitHub下载：https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights
1.3 下载后文件构成
weight文件夹下放入权重文件
2、源码测试
2.1 图片测试
在cmd命令窗口，进入文件夹目录下，运行代码：
python demo.py -cfgfile cfg/yolov4.cfg -weightfile weight/yolov4.weights -imgfile data/dog.jpg
注意：1、若没有gpu，打开demo.py文件，将use_cuda=True改为False，
此时文件夹下会保存测试图片，需重命名要保存的测试结果后，在进行图片测试；
2.2 ubuntu 下检测步骤同上
注意：利用demo.py进行的检测，需要用到yolov4.weights权重文件；利用models.py检测时，利用yolov4.pth权重文件。
扫一扫
1211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
